Evaluación del estado de maduración de la piña en su variedad perolera mediante técnicas de visión artificial

Los sistemas de visión artificial permiten identificar características físicas y defectos de los productos de manera no intrusiva y confiable. Debido a estas ventajas, los sistemas de visión han tenido gran aceptación en las industrias agrícola y alimenticia, ya que estas industrias requieren de una...

Full description

Autores:
Ángel Silva, Luis
Lizcano, Sergio
Tipo de recurso:
Fecha de publicación:
2014
Institución:
Universidad Santo Tomás
Repositorio:
Universidad Santo Tomás
Idioma:
spa
OAI Identifier:
oai:repository.usta.edu.co:11634/45038
Acceso en línea:
http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/2744
http://hdl.handle.net/11634/45038
Palabra clave:
Rights
License
Copyright (c) 2012 ITECKNE
id SantoToma2_d4b7fdea5693aecac7cb24c543ee1db2
oai_identifier_str oai:repository.usta.edu.co:11634/45038
network_acronym_str SantoToma2
network_name_str Universidad Santo Tomás
repository_id_str
spelling Ángel Silva, LuisLizcano, Sergio2022-06-15T21:55:27Z2022-06-15T21:55:27Z2014-11-26http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/274410.15332/iteckne.v9i1.2744http://hdl.handle.net/11634/45038Los sistemas de visión artificial permiten identificar características físicas y defectos de los productos de manera no intrusiva y confiable. Debido a estas ventajas, los sistemas de visión han tenido gran aceptación en las industrias agrícola y alimenticia, ya que estas industrias requieren de una alta demanda de objetividad, coherencia y eficiencia en el control de la calidad de los productos, condiciones que los sistemas de visión artificial pueden cumplir. Este trabajo propone un procedimiento para evaluar de manera automática el estado de maduración de la piña (Ananas Comosus) variedad perolera en post-cosecha mediante técnicas de visión artificial. El procedimiento de evaluación propuesto es implementado a través de un algoritmo de procesamiento de imágenes digitales en color basado en las etapas de pre-procesamiento, segmentación, extracción de características y clasificación estadística. Se empleó, imágenes en el espacio de color HSV, segmentación por umbralización automática mediante el método de Otsu, el momento de primer orden de las distribuciones de los planos H y S como características, y el algoritmo MBSAS (Modified Basic Sequential Algorithmic Scheme– en inglés) para la clasificación. Se utilizaron 319 imágenes, de las cuales 110 imágenes fueron utilizadas en el proceso de entrenamiento y 209 imágenes fueron utilizadas en el proceso de evaluación. Los resultados obtenidos por el procedimiento de evaluación propuesto en este trabajo, fueron contrastados con el juicio de valor de tres expertos, que mostraron que el algoritmo propuesto tiene una eficiencia de evaluación cercana al 96,36%.Computer vision systems allow identifying the physical characteristics and defects of a product in a non-invasive and reliable form.Due to these advantages, computer vision systems have gained acceptance in the food industry, since this industry requires a high demand for objectivity, consistency and efficiency in controlling the quality of the product, conditions that this systems can meet.This paper proposes a method for automatically evaluating the maturation state of the pineapple (AnanasComosus) perolera variety in postharvest usingcomputer vision system.The proposed evaluation procedure is implemented through an algorithm of color digital image processing based on the stages of preprocessing, segmentation, feature extraction and statistical classification.Algorithm used, images in the HSV color space, automatic segmentation using Otsu’s method, the first moment of the distributions of H and S planes as features, and the algorithm MBSAS (Modified Basic Sequential Algorithmic Scheme) for classification.319 images were used, of which 110 images were used in the process of training and 209 images were used in the evaluation process. The results of the evaluation procedure proposed in this paper were compared with the value judgment of three experts, showing that the proposed algorithm has an efficiency of close to 96.36% assessment.application/pdfspaUniversidad Santo Tomás. Seccional Bucaramangahttp://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/2744/2001ITECKNE; Vol 9 No 1 (2012); 31-41ITECKNE; Vol 9 No 1 (2012); 31-412339-34831692-1798Copyright (c) 2012 ITECKNEhttp://purl.org/coar/access_right/c_abf2Evaluación del estado de maduración de la piña en su variedad perolera mediante técnicas de visión artificialEvaluation the state of maturity of pineapple in its variety perolera using computer vision techniquesinfo:eu-repo/semantics/articlehttp://purl.org/coar/version/c_970fb48d4fbd8a85http://purl.org/coar/resource_type/c_2df8fbb111634/45038oai:repository.usta.edu.co:11634/450382023-07-14 15:28:32.272metadata only accessRepositorio Universidad Santo Tomásnoreply@usta.edu.co
dc.title.spa.fl_str_mv Evaluación del estado de maduración de la piña en su variedad perolera mediante técnicas de visión artificial
dc.title.alternative.eng.fl_str_mv Evaluation the state of maturity of pineapple in its variety perolera using computer vision techniques
title Evaluación del estado de maduración de la piña en su variedad perolera mediante técnicas de visión artificial
spellingShingle Evaluación del estado de maduración de la piña en su variedad perolera mediante técnicas de visión artificial
title_short Evaluación del estado de maduración de la piña en su variedad perolera mediante técnicas de visión artificial
title_full Evaluación del estado de maduración de la piña en su variedad perolera mediante técnicas de visión artificial
title_fullStr Evaluación del estado de maduración de la piña en su variedad perolera mediante técnicas de visión artificial
title_full_unstemmed Evaluación del estado de maduración de la piña en su variedad perolera mediante técnicas de visión artificial
title_sort Evaluación del estado de maduración de la piña en su variedad perolera mediante técnicas de visión artificial
dc.creator.fl_str_mv Ángel Silva, Luis
Lizcano, Sergio
dc.contributor.author.none.fl_str_mv Ángel Silva, Luis
Lizcano, Sergio
description Los sistemas de visión artificial permiten identificar características físicas y defectos de los productos de manera no intrusiva y confiable. Debido a estas ventajas, los sistemas de visión han tenido gran aceptación en las industrias agrícola y alimenticia, ya que estas industrias requieren de una alta demanda de objetividad, coherencia y eficiencia en el control de la calidad de los productos, condiciones que los sistemas de visión artificial pueden cumplir. Este trabajo propone un procedimiento para evaluar de manera automática el estado de maduración de la piña (Ananas Comosus) variedad perolera en post-cosecha mediante técnicas de visión artificial. El procedimiento de evaluación propuesto es implementado a través de un algoritmo de procesamiento de imágenes digitales en color basado en las etapas de pre-procesamiento, segmentación, extracción de características y clasificación estadística. Se empleó, imágenes en el espacio de color HSV, segmentación por umbralización automática mediante el método de Otsu, el momento de primer orden de las distribuciones de los planos H y S como características, y el algoritmo MBSAS (Modified Basic Sequential Algorithmic Scheme– en inglés) para la clasificación. Se utilizaron 319 imágenes, de las cuales 110 imágenes fueron utilizadas en el proceso de entrenamiento y 209 imágenes fueron utilizadas en el proceso de evaluación. Los resultados obtenidos por el procedimiento de evaluación propuesto en este trabajo, fueron contrastados con el juicio de valor de tres expertos, que mostraron que el algoritmo propuesto tiene una eficiencia de evaluación cercana al 96,36%.
publishDate 2014
dc.date.issued.none.fl_str_mv 2014-11-26
dc.date.accessioned.none.fl_str_mv 2022-06-15T21:55:27Z
dc.date.available.none.fl_str_mv 2022-06-15T21:55:27Z
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.drive.none.fl_str_mv info:eu-repo/semantics/article
dc.identifier.none.fl_str_mv http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/2744
10.15332/iteckne.v9i1.2744
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/11634/45038
url http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/2744
http://hdl.handle.net/11634/45038
identifier_str_mv 10.15332/iteckne.v9i1.2744
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/2744/2001
dc.relation.citationissue.spa.fl_str_mv ITECKNE; Vol 9 No 1 (2012); 31-41
dc.relation.citationissue.eng.fl_str_mv ITECKNE; Vol 9 No 1 (2012); 31-41
dc.relation.citationissue.none.fl_str_mv 2339-3483
1692-1798
dc.rights.eng.fl_str_mv Copyright (c) 2012 ITECKNE
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Copyright (c) 2012 ITECKNE
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.eng.fl_str_mv Universidad Santo Tomás. Seccional Bucaramanga
institution Universidad Santo Tomás
repository.name.fl_str_mv Repositorio Universidad Santo Tomás
repository.mail.fl_str_mv noreply@usta.edu.co
_version_ 1800786381836910592

Publicaciones similares